往复式压缩机故障诊断方法研究.pdfVIP

青岛科技大学研究生学位论文

往复式压缩机故障诊断方法研究

摘要

往复式压缩机在工业气体处理流程中发挥着至关重要的作用，被广泛应用于

石油天然气、化工、食品等多元领域。由于其经常处在满负荷、高强度连续运行

状态，使得其故障频发。因此，确保压缩机的稳定运行对于生产流程的安全、可

靠及高效产出至关重要。目前国内外的研究人员通常用故障分析手段保持往复式

压缩机长时间稳定运行，而现有的故障处理手段相对滞后不够精确。为确保研究

的精确性和时效性，必须大量采集各类零部件在不同环境下的故障数据且需要对

设备进行破坏性的改装，成本和难度比较巨大，如何有效地采集并妥善处理这些

庞大且复杂的数据集，已成为当前面临的重要挑战。

针对上述在故障处理中的局限性和缺陷，本研究基于数字孪生理念出发对往

复式压缩机系统进行了主要功能部件进行模块化建模包括曲柄连杆部分建模、气-

阀建模和故障模块的建模。并运用深度学习、机器学习等先进算法模型，对往复

式压缩机的故障分析处理进行系统的研究。本课题进行了以下方面的改进工作。

(1)针对传统故障数据提取方法需对设备进行破坏性改装，导致成本高昂和技术

难度大的问题，本课题提出一种基于数字孪生的仿真故障建模方案。在Simulink

中，构建了往复式压缩机的核心组件模块，具体包括曲柄连杆模块、电机模块、-

传感器模块以及故障模拟模块。针对进气阀堵塞、气缸泄漏和轴承磨损等三种常

见故障类型，在不同运行状态下收集了输出流量数据，总计生成了20种故障组

合场景。每种组合均收集了100组故障数字参数，为了精确模拟气阀工作状态并

获取故障周期数据的精确值，本课题利用Ansys软件对气阀进行了建模。构建了

气阀正常状态、弹簧疲劳状态及弹簧失效状态的模型。通过模拟分析，能够有效

收集并直观观察气阀在不同运行状态下的参数特征和变化特点。选择振动数据作

为故障分类的主要识别参数。成功获取了60,000个不同的振动数据点，为后续故

障分析和预测提供了有力支持。

(2)为了实现对曲柄连杆部位故障数据的精确分类，本课题系统性地搜集了相关-

故障参数，并进行了严谨的数据处理与分析工作。在众多分类算法中，经过仔细

筛选与评估，选择了支持向量机算法，以满足对多种故障组合进行分类的需求。

本研究利用PSPECTRUM函数，成功获取了流量功率频谱，并据此提取了故障特

I

往复式压缩机故障诊断方法研究

征。通过不断建立并优化算法模型，结合循环验证机制，最终实现了对各种故障

组合的有效分类。该系统能够精准地区分无故障状态、单一类别故障以及复杂的

多故障组合，为故障识别与诊断提供了有力支持。

(3)为了对气阀故障数据进行分类分析，采用卷积神经网络(CNN)与长短时记忆

网络(LSTM)相结合的算法进行时序分类与数据预测。设计了一种以振动信号为时

421DCNN-LSTM

域信号输入的个卷积层和个池化层的形式的—算法，以便更

有效地处理时序数据并进行预测。经过验证与测试，表明了CNN-LSTM算法在

故障分类与预测方面的表现较好，准确率高达百分之九十九。此外，创新性地采

用T-SNE算法对故障分类进行了可视化处理，使得分类结构更加直观，为气阀故

障数据的处理提供了参考方案。

关键词：往复式压缩机故障分类故障预测数字孪生

II

青岛科技大学研究生学位论文

ResearchOnFaultDiagnosisMethodsForReciprocating

Compressors

ABSTRACT

Reciprocatingcompressorplaysavitalroleintheindustrialgastrea